基于集结过程的蛋白质构象优化方法  

Global optimization of protein structure prediction using differential evolution with build-up procedure

作　　者：张贵军[1] 金媚媚[1] 程正华[1] 

机构地区：[1]浙江工业大学信息工程学院,浙江杭州310023

出　　处：《浙江工业大学学报》2013年第6期646-650,共5页Journal of Zhejiang University of Technology

基　　金：国家自然科学基金资助项目(61075062);浙江省自然科学基金资助项目(LY13F030008;Y1100891);浙江工业大学重中之重学科开放基金项目(20120811)的资助

摘　　要：混合优化算法结合两种或更多种算法的优点,成为解决非凸优化问题的有效方法.针对蛋白质结构预测,提出了一种有效的混合优化算法.这个方法在传统的差分进化算法基础上,结合了集结过程思想,保存了较好的片段,并同时使用构象空间退火中的种子保存策略,可以得到更多质量较高的后代.实验表明:提出的方法可以有效的寻找到脑啡肽(Met-enkephalin)的最低能量构象,相比于其他现有方法,其可靠性更高,速度更快.Hybrid global optimization methods attempt to combine the beneficial features of two or more algorithms, and can be powerful methods for solving challenging nonconvex optimization problems. Aiming at protein structure prediction problems, a novel hybrid global optimization is proposed in this paper. This new optimization method based on the traditional differential evolution algorithm combines build-up procedure with the seed preservation strategies in annealing of protein structure prediction, which can exploit the optimum offspring. Experiment results demonstrate that proposed algorithm can find the lowest energy configuration of Met- enkephalin, and it is more fast and reliable than other existing optimization methods.

关 键 词：蛋白质结构预测 差分进化算法 集结过程 脑啡肽 

分 类 号：TP301.2[自动化与计算机技术—计算机系统结构]